Prawie każdy, kto zaczyna przygodę z widocznością w AI, zadaje to samo pytanie: gdzie mam wgrać bazę wiedzy o mojej marce, żeby ChatGPT i Gemini ją znały? Odpowiedź jest mniej wygodna, niż podpowiadają blogowe poradniki. Nie ma przycisku „wgraj do modelu”. Jest za to coś, co działa lepiej: uporządkowane, publiczne i weryfikowalne źródło faktów o marce, które model może pobrać w trakcie odpowiedzi.
Ten tekst jest o tym, jak takie źródło zbudować, jak oddzielić w nim fakt od blogowej narracji i jak sprawdzić, czy AI naprawdę z niego korzysta. Bez obietnic i bez magicznych plików.
TL;DR Model nie uczy się Twojej marki na bieżąco. Wiedza pochodzi z wyszukiwania i z kontekstu użytkownika, nie z wag modelu. Fakt i blog różnią się strukturą, nie tematem. Fakt ma źródło pierwotne, datę, jednostkę, zakres i powtarzalność. llms.txt i schema porządkują dane, ale nie gwarantują cytatu. Cytat to nie to samo co użycie. Pobranie strony przez bota też nie jest dowodem użycia. Weryfikacja to seria testów, logi botów sprawdzane po IP i analiza cytowanych domen. Semly domyka pętlę: pomiar, diagnoza, treść, ponowny pomiar.
Baza wiedzy o marce dla ChatGPT i Gemini — co to naprawdę znaczy
Zacznijmy od rozbrojenia najczęstszego nieporozumienia. Model językowy nie ma w środku edytowalnego folderu z Twoją firmą. Ma trzy warstwy wiedzy i tylko dwie z nich możesz realnie kształtować.
Warstwa pierwsza: wagi treningowe. To wiedza zapisana w modelu podczas treningu. Jest zamrożona. Nie zmienisz jej żadnym plikiem, żadnym llms.txt i żadnym mailem do dostawcy. Jeśli model „pamięta” o Twojej marce coś nieaktualnego, nie poprawisz tego bezpośrednio.
Warstwa druga: indeks wyszukiwania. ChatGPT korzysta z własnego indeksu obsługiwanego przez bota OAI-SearchBot, a Gemini z groundingu opartego na wyszukiwaniu Google. To tutaj dzieje się większość pracy. Model pobiera strony w momencie odpowiedzi i buduje z nich odpowiedź.
Warstwa trzecia: kontekst użytkownika. Pliki wgrane do rozmowy, projekty, instrukcje. To najbardziej ulotna warstwa, ale też najbardziej precyzyjna.
Wniosek jest prosty: baza wiedzy o marce działa w warstwie drugiej i trzeciej. Twoim zadaniem nie jest „nauczenie” modelu, tylko przygotowanie treści, którą model może pobrać, zrozumieć i zacytować.
| Warstwa | Co marka może zmienić | Czego nie zmieni |
|---|---|---|
| Wagi treningowe | Nic bezpośrednio | Nie usunie błędów z pamięci modelu |
| Indeks wyszukiwania | Treść, strukturę, dostępność dla botów, daty | Nie wymusi cytowania |
| Kontekst użytkownika | Materiały, które użytkownik sam poda | Nie wpłynie na innych użytkowników |
Semly.ai działa właśnie w tej przestrzeni, którą da się kontrolować: publikuje Bazę Wiedzy na Twojej domenie lub poddomenie i mierzy, co modele faktycznie z niej biorą. To warstwa pomiaru i publikacji, nie „wgrywanie danych do ChatGPT”.
Fakt czy blog? Jak oddzielić jedno od drugiego
To pytanie brzmi filozoficznie, ale w praktyce jest techniczne. Model nie odróżnia faktów od opinii po tonie zdania. Odróżnia je po tym, czy da się je przypisać do konkretnego, sprawdzalnego źródła.
Przyjmij pięć kryteriów faktu:
- Źródło pierwotne. Rejestr, cennik, regulamin, karta produktu, dokumentacja. Nie „przeczytałem na blogu”.
- Data. Kiedy informacja była prawdziwa. Bez daty model nie wie, czy cena z 2023 roku nadal obowiązuje.
- Jednostka. „Dostawa w 24 h” to nie to samo co „wysyłka w 24 h”. „Od 99 zł” wymaga wskazania, od czego.
- Zakres. Dla jakiego rynku, wariantu, segmentu klienta. Czy promocja dotyczy wszystkich produktów, czy jednej kategorii.
- Powtarzalność. Czy ktoś inny może to sprawdzić w tym samym miejscu i dostać ten sam wynik.
Prosty test decyzyjny: czy sprawdzę to w rejestrze, cenniku albo regulaminie? Jeśli tak, to fakt. Jeśli nie, to teza.
Blog nie jest tu złym słowem. Blog jest cytowany i to często, bo modele chętnie sięgają po strony firmowe i treści eksperckie. Problem pojawia się wtedy, gdy opinia jest podana w formacie faktu. Model nie ma wtedy czego weryfikować, więc powtarza narrację jako ustalenie.
Dlatego rozdzielaj to fizycznie w treści. Osobny blok na fakty, osobny na komentarz. Osobny typ danych strukturalnych dla produktu i organizacji, osobny dla artykułu. Czytelnik i model powinni widzieć granicę bez zastanowienia.
Przykład karty faktu dla produktu z e-commerce:
- nazwa i model produktu,
- cena regularna i promocyjna, z datą obowiązywania,
- dostępność i czas wysyłki,
- kluczowe parametry techniczne z jednostkami,
- warunki zwrotu i gwarancji,
- dane rejestrowe sprzedawcy: nazwa, adres, NIP,
- źródło każdej informacji i data ostatniej aktualizacji.
Taka karta to jedno źródło prawdy. Gdy cena się zmienia, zmieniasz ją w jednym miejscu, a nie w pięciu artykułach i opisie na marketplace.
Jak sprawdzić, czy AI faktycznie korzysta z Twojej bazy wiedzy
Tu zaczyna się część, którą większość marek pomija. Wpisanie nazwy firmy w ChatGPT i przeczytanie odpowiedzi to nie pomiar. To anegdota. Odpowiedzi modeli zmieniają się między próbami, zależą od regionu, wersji modelu i sposobu sformułowania pytania.
Potrzebujesz trzech niezależnych warstw pomiaru.
Warstwa 1: testy promptowe. Zbuduj stałą bibliotekę promptów: pytania kategorii, pytania o markę, pytania porównawcze, pytania zakupowe. Uruchamiaj je cyklicznie i powtarzaj każdy trzy do pięciu razy. Raportuj rozkład, nie pojedynczy wynik. Jedna odpowiedź nic nie mówi.
Warstwa 2: logi botów. Sprawdzaj, czy OAI-SearchBot, GPTBot i ChatGPT-User wchodzą na Twoje strony. Ale uwaga: user-agent jest łatwy do podrobienia. Weryfikuj wizyty po adresach IP, porównując je z publicznymi plikami IP udostępnianymi przez OpenAI. Bez tego kroku logi są tylko poszlaką.
Warstwa 3: ruch i konwersje z referrerów AI. Segment w analityce dla wejść z chatgpt.com, gemini.google.com i podobnych. To osobny wskaźnik, nie ten sam co widoczność. Nie mieszaj ich w jednym dashboardzie, bo zaczniesz wyciągać błędne wnioski. Różnice w pomiarze między środowiskami AI opisuje też artykuł o widoczności marki w Gemini i AI Overviews.
| Metryka | Co mierzy | Jak zebrać | Ograniczenie |
|---|---|---|---|
| Wzmianka marki | Czy nazwa pojawia się w treści odpowiedzi | Stała biblioteka promptów, powtórzenia | Wymaga anotacji, ryzyko błędu |
| Cytowana domena | Czy Twój URL jest w źródłach odpowiedzi | Parsowanie linków źródłowych | Brak cytatu nie dowodzi braku użycia |
| Wizyty botów | Czy bot pobrał stronę | Logi serwera lub CDN | User-agent bywa podrabiany |
| Ruch z AI | Kliknięcia z odpowiedzi | Segment referrerów w analityce | Część wejść bez referrera |
Rozdzielaj trzy rzeczy, które klienci ciągle łączą: wzmiankę, cytowanie i rekomendację. Wzmianka to sama nazwa. Cytowanie to link do Twojej strony w źródłach. Rekomendacja to sytuacja, w której model wskazuje Cię jako rozwiązanie. To różne poziomy i różne metryki. Punkt odniesienia dla wzmianek i udziału w odpowiedziach znajdziesz w rankingu widoczności marek w AI.
I jeszcze jedno, ważne: brak cytatu nie dowodzi, że model nie użył Twojej treści. W odpowiedziach Gemini metadane cytowań bywają puste, mimo że treść wpłynęła na kształt odpowiedzi. Dlatego pomiar musi być serią, a nie snapshotem.
W Semly widzisz cytowane domeny obok odpowiedzi, a w planach Ultra i Scale dostępna jest funkcja „Sprawdź, czy AI cytuje Twoje treści”. To praktyczna weryfikacja, czy model sięga po Twoje strony, a nie tylko czy wymienia nazwę.
Co działa, a co nie — mity o bazie wiedzy dla AI
Mit: llms.txt sprawi, że AI będzie cytować moją bazę wiedzy. Fakt: llms.txt to propozycja formatu pliku, która nie ma potwierdzonej adopcji u głównych dostawców modeli. Google wprost informuje, że nie wymaga żadnych dodatkowych plików ani znaczników, by strona pojawiała się w funkcjach AI. Publikacja pliku jest tania i neutralna, więc nie ma powodu go blokować, ale nie jest dźwignią widoczności.
Mit: schema.org gwarantuje cytowanie. Fakt: dane strukturalne porządkują informacje i pomagają w ich odczycie, ale dowody na wzrost cytowań są sprzeczne. Traktuj JSON-LD jako higienę danych, nie jako skrót do cytatu.
Mit: blokada GPTBot usuwa mnie z ChatGPT. Fakt: to dwa różne boty. GPTBot odpowiada za trening, OAI-SearchBot za wyszukiwanie w ChatGPT. Blokada jednego nie działa jak blokada drugiego. Dodatkowo ChatGPT-User działa na żądanie użytkownika i może nie respektować robots.txt.
Mit: wysoka pozycja w Google daje cytat w AI. Fakt: zależność jest coraz słabsza. Modele cytują też strony spoza pierwszej dziesiątki, jeśli te lepiej odpowiadają na pytanie.
Mit: jeśli AI mnie nie cytuje, to nie używa moich treści. Fakt: metadane cytowań bywają niepełne. Wpływ na odpowiedź i widoczny cytat to dwie różne rzeczy.
| Powierzchnia | Skąd bierze wiedzę | Co możesz zrobić |
|---|---|---|
| ChatGPT | Indeks OAI-SearchBot, kontekst użytkownika | Publikuj fakty, sprawdzaj logi po IP |
| Gemini | Grounding oparty na wyszukiwaniu Google | Zadbaj o indeksowalność i dane strukturalne |
| Pamięć modelu | Wagi treningowe | Niczego nie zmienisz bezpośrednio |
Jak zbudować bazę wiedzy krok po kroku (i co dalej)
Pięć kroków, które możesz wykonać bez specjalnych narzędzi.
- Zrób inwentaryzację faktów. Wypisz wszystko, co klient i model powinni o Tobie wiedzieć: dane rejestrowe, oferta, ceny, warunki dostawy i zwrotów, specyfikacje, certyfikaty.
- Zbuduj karty faktu. Każda informacja z datą i źródłem. Jedna karta na produkt lub kategorię, nie jeden wielki dokument.
- Opublikuj na indeksowalnej stronie. Własna domena lub poddomena, sitemapa, JSON-LD, czytelna struktura nagłówków. llms.txt dodaj jako uzupełnienie, nie jako fundament.
- Przetestuj promptami. Stała biblioteka pytań, trzy do pięciu powtórzeń, zapis wyników z datą.
- Powtórz pomiar po zmianach. Bez drugiego pomiaru nie wiesz, czy cokolwiek się zmieniło.
Checklista wdrożenia:
- jedno miejsce z faktami o marce,
- data i źródło przy każdej informacji,
- osobne bloki dla faktów i opinii,
- dane strukturalne dla produktu i organizacji,
- strona indeksowalna i dostępna dla botów,
- stała biblioteka promptów testowych,
- logi botów weryfikowane po IP,
- powtarzalny cykl pomiaru.
Na co uważać: publikuj wyłącznie treści publiczne. Nie wkładaj do bazy wiedzy danych klientów, wyników konta, wewnętrznych notatek ani informacji objętych tajemnicą. robots.txt służy do zarządzania pobieraniem, nie do ochrony poufnych danych.
Jeśli nie chcesz budować tego od zera, Baza Wiedzy Semly jest hostowana na Twojej domenie lub poddomenie i zawiera sitemapę, JSON-LD, llms.txt oraz format OKF. Agent Leon domyka pętlę: od zdiagnozowanej luki w widoczności do konkretnej treści i ponownego pomiaru. Możesz zacząć od darmowego raportu widoczności, sprawdzić platformę do widoczności w AI w 7-dniowym trialu, a potem wybrać plan: 199, 499 lub 997 zł netto miesięcznie.
FAQ
Czy ChatGPT korzysta z mojej strony? Może, ale nie musi. ChatGPT sięga po strony przez własny indeks wyszukiwania w momencie odpowiedzi. Sprawdzisz to, łącząc testy promptowe z logami bota OAI-SearchBot weryfikowanymi po IP.
Czy llms.txt działa? Nie ma potwierdzonej adopcji tego formatu u głównych dostawców modeli, a Google wprost mówi, że nie wymaga dodatkowych plików dla funkcji AI. Publikacja jest neutralna kosztowo, ale nie gwarantuje cytatu.
Jak sprawdzić, czy bot AI wszedł na moją stronę? Filtruj logi serwera po user-agentach botów AI, a następnie zweryfikuj adresy IP względem publicznych list udostępnianych przez dostawcę. Sam user-agent nie wystarczy, bo można go podrobić.
Skąd ChatGPT bierze dane o firmie? Z trzech źródeł: wag treningowych, indeksu wyszukiwania i kontekstu podanego przez użytkownika. Na pierwsze nie masz wpływu. Na dwa pozostałe tak, jeśli publikujesz weryfikowalne fakty w czytelnej strukturze. Więcej praktycznych materiałów o GEO i AI Search znajdziesz w bazie wiedzy Semly.